IDENTIFIKASI PERUBAHAN LAHAN SAWAH DAN PENENTUAN UMUR PADI MENGGUNAKAN CITRA SATELIT RESOLUSI TINGGI DENGAN METODE KLASIFIKASI TERBIMBING DAN NDVI (Studi Kasus : Kecamatan Cariu, Kabupaten Bogor)
Abstract
Peranan sektor pertanian dalam pembangunan ekonomi di negara-negara berkembang sangat penting. Menurut Badan Pusat Statistik Provinsi Jawa Barat, berdasarkan data luas wilayah Kabupaten / Kota di Jawa Barat tahun 2018, Kabupaten Bogor merupakan salah satu kabupaten yang terluas di Jawa Barat dan memiliki cakupan luasan sawah yang sangat luas. Hal ini dibuktikan dengan rencana bahwa Kabupaten Bogor turut ikut mensukseskan Indonesia sebagai Lumbung Padi Dunia pada 2045. Dalam hal ini Kecamatan Cariu dipilih sebagai lokasi penelitian karena kecamatan ini mempunyai nilai produktivitas tanaman padi sawah paling tinggi dibandingkan dua kecamatan lainnya. Tujuan penelitian ini adalah untuk mengidentifikasi dan menghitung luas perubahan lahan sawah di Kecamatan Cariu pada tahun 2015 dan 2018 menggunakan citra satelit SPOT 6 dan menentukan umur padi menggunakan metode NDVI (Normalized Difference Vegetation Index). Dilakukan pengolahan data menggunakan metode klasifikasi terbimbing untuk mengetahui sebaran lahan sawah pada Kecamatan Cariu. Dan dilakukan tranformasi NDVI untuk mengetahui indeks vegetasi tanaman padi guna penentuan umur tanaman padi. Hasil analisis dalam penelitian ini didapatkan bawa luas lahan sawah pada Kecamatan Cariu mengalami penyusutan sebesar 903,6 Ha. Penyusutan terbesar terjadi pada Kelurahan Karyamekar dengan luas penyusutan sebesar 179,7 Ha. Hasil transformasi NDVI pada citra tahun 2015 memiliki rentang indeks -0,10 sampai 0,72 dengan nilai indeks rata – rata 0,40 maka dapat diestimasikan umur tanaman padi berada pada kisaran umur antara 8 sampai 13 minggu setelah tanam, sedangkan pada citra tahun 2018 memiliki rentang indeks -0,21 sampai 0,36 dengan nilai indeks rata – rata 0,10 maka dapat diestimasikan umur tanaman padi berada pada kisaran umur antara 3 sampai 4 minggu setelah tanam.
Kata Kunci : Penginderaan Jauh, SPOT 6, Perubahan Lahan, Klasiifikasi Terbimbing, Normalized Difference Vegetation Index (NDVI)
Full Text:
PDFReferences
Airlangga Z. 2015. Kontribusi Sektor Agribisnis dalam Menopang Kemandirian Ekonomi Pedesaan. Bisnis Indonesia. 06 September. Papua.
Ali R. 2019. Kabupaten Bogor Siapkan Tiga Kecamatan sebagai Lumbung Padi Dunia. Merdeka. 17 September. Jakarta.
Aman N. 2014. Aplikasi Sistem Informasi Geografi Untuk Menganalisis Kesesuaian Lahan Untuk Tanaman Jagung Di Das Krasak. Yogyakarta : Universitas Gadjah Mada.
Andriansyah, Sawitri, Abdi. 2015. Identifikasi Lahan Sawah Menggunakan NDVI dan PCA Pada Citra Landsat 8. Tugas Akhir. Semarang : Universitas Diponegoro
Ardiansyah. 2015. Pengolahan citra penginderaan jauh menggunakan ENVI 5.1 dan ENVI LiDAR (teori dan praktek). Jakarta Selatan : PT LABSIG INDERAJA ISLIM.
Bambang S. 2016. Peran Citra Satelit Resolusi Tinggi Dalam Penyusunan Rencana Detil Tata Ruang. Bengkulu : Universitas Bengkulu
BPS (Badan Pusat Statistik) Kabupaten Bogor, 2018. Kabupaten Bogor dalam Angka tahun 2018. Kabupaten Bogor : Badan Pusat Statistik
BPS (Badan Pusat Statistik) Provinsi Jawa Barat, 2018. Provinsi Jawa Barat dalam Angka tahun 2018. Provinsi Jawa Barat : Badan Pusat Statistik
Danoedoro, & Projo. (2012). Pengantar Penginderaan Jauh Digital. Yogyakarta: Penerbit Andi.
Darmawan M. 2011. Sistem informasi Geografi (SIG) dan Standarisasi Pemetaan Tematik. Kab. Bogor : Badan Informasi Geospasial (BIG).
Diki N. 2018. Analisis Kerapatan Vegetasi Untuk Area Pemukiman Menggunakan Citra Satelit Landsat Di Kota Tasikmalaya. Depok : Universitas Indonesia
Indarto. (2014). Teori dan Praktik Pengindraan Jauh. Yogyakarta: C.V ANDI OFFEST.Informatika, Bandung.
Intan P, Livinia S, Loecky H. 2016. Pemetaan Vegetasi Hutan Mangrove Menggunakan Metode Normalized Difference Vegetation Index (NDVI) Di Desa Arakan Minahasa Selatan Sulawesi Utara
LAPAN. (2014). Pedoman Pengolahan Dijital Klasifikasi Penutup Lahan Menggunakan Data Penginderaan Jauh. Jakarta : Pusat Pemanfaatan Penginderaan Jauh LAPAN.
Lillesand TM, Kiefer RW. (1997). Penginderaan Jauh dan Interpretasi Citra. Yogyakarta: Gadjah Mada University Press.
Meurah R, Cut. 2011. Pengindraan Jauh. Bahan Ajar. Jakarta: Jurusan Geografi Fakultas Ilmu Sosial Universitas Negeri Jakarta.
Meylia A. 2013. Analisa Tutupan Lahan menggunakan Klasifikasi Supervised dan Unsupervised. Surabaya : Institut Teknologi Sepuluh November.
Nugroho, D. 2015. Monitoring Perubahan Area Persawahan dengan Penginderaan Jauh Data Landsat Multitemporal (Studi Kasus: Kabupaten Boyolali, Jawa Tengah). Tugas Akhir. Semarang: Universitas Diponegoro.
Prahasta, Eddy, (2002), Konsep-Konsep dasar Sistem Informasi Geografis. Bandung : Informatika.
Purwadhi S.H, Sanjoto TB., 2009. Pengantar Interpretasi Citra Pengindraan Jauh. Lembaga penerbangan dan Antariksa Nasional (LAPAN), Semarang : Universitas Negeri Semarang.
Siti, Afra, Bambang. 2017. Pemanfaatan Citra Landsat 8 Untuk Analisis Indeks Vegetasi Di DKI Jakarta. Jurnal Lanskap Indonesia Volume 9 Nomor 1.
Sutanto. (1994). Penginderaan Jauh Jilid 2. Yogyakarta: Gadjah Mada University Press.
Tomi A. 2017. Klasifikasi Terbimbing dan Klasifikasi Tidak Terbimbing. https://foresteract.com/klasifikasi-terbimbing-dan-klasifikasi-tidak-terbimbing/
Wahyunto, Widagdo, Bambang. 2006. Pendugaan Produktivitas Tanaman Padi Sawah Melalui Analisis Citra Satelit. Peneliti Balai Besar Litbang Su mberdaya Lahan Pertanian.
Refbacks
- There are currently no refbacks.